Banca de QUALIFICAÇÃO: FRANCISCO ALBIR LIMA JÚNIOR

Uma banca de QUALIFICAÇÃO de DOUTORADO foi cadastrada pelo programa.
DISCENTE: FRANCISCO ALBIR LIMA JÚNIOR
DATA: 17/12/2024
HORA: 14:00
LOCAL: Núcleo de Pós-Graduação do CCA
TÍTULO: PREDIÇÃO DE CARACTERÍSTICAS DE CARCAÇA A PARTIR DE IMAGENS ULTRASSONOGRÁFICAS EM OVINOS UTILIZANDO VISÃO COMPUTACIONAL
PALAVRAS-CHAVES: Carcaça, Inteligência Artificial, Produção de Carne, Yolov8, Random Forest.
PÁGINAS: 70
GRANDE ÁREA: Ciências Agrárias
ÁREA: Zootecnia
SUBÁREA: Genética e Melhoramento dos Animais Domésticos
RESUMO:

A ovinocultura é uma atividade pecuária presente em todos os ecossistemas, necessitando, portanto, de carne de boa qualidade que atenda à demanda do mercado. Neste contexto, a espessura de gordura subcutânea do músculo Longissimus dorsi é uma medida importante. Assim, o conhecimento e a determinação desta medida são essenciais para o produtor, e a determinação pode ser realizada com o auxílio de métodos e ferramentas de visão computacional. Portanto, o objetivo com esta pesquisa é predizer a espessura de gordura subcutânea por meio do reconhecimento de imagens de ultrassom utilizando ferramentas de visão computacional. Foram coletadas 358 imagens de ultrassom do músculo em questão de ovinos de corte. A medida da espessura de gordura subcutânea (EGS) foi registrada em cm. A determinação da medida da EGS foi realizada com ultrassom por profissional treinado. As imagens coletadas foram levadas para anotação e, em seguida, compiladas em uma versão para processamento e extração da medida EGS utilizando a ferramenta online Roboflow. O conjunto de imagens foi dividido em imagens originais e imagens com limites EGS (máscaras de segmentação) para encontrar a região de interesse nas imagens com dimensão padronizada (224-224-3 pixels). Durante a segmentação, a rede Yolov8 foi usada para processar e ajustar as imagens, enquanto os métodos shape, VGG e ResNet foram usados para validar e apresentar os resultados. O conjunto de imagens foi dividido entre treinamento do algoritmo (80%), validação (10%) e teste (10%). As métricas Jaccard Index e F1 score foram usadas para verificar a similaridade entre os dois conjuntos de imagens. Para estimar as medidas de EGS a partir dos descritores extraídos das imagens segmentadas, três regressores foram usados: Adabooster (ABR), Random Forest (RFR) e Gradient Boosting (GBR). Para avaliar a qualidade da regressão, foram calculados os resíduos quadráticos médios (MSR), erro absoluto médio (MAE) e coeficiente de determinação (R²). Para comparar as médias reais e previstas de EGS, foi realizada análise de variância e teste t de Student a 95% de probabilidade. Dentre os regressores utilizados, o RFR foi o que apresentou melhor desempenho (MSR=4,40; MAE=1,60; e R²=0,40) nos diferentes métodos, demonstrando a robustez deste regressor. As médias previstas pela ferramenta e as encontradas pelo especialista não apresentaram diferenças significativas (p>0,05), os valores preditos apresentaram menor variância que os valores reais, o que confirma maior precisão com a ferramenta utilizada. Portanto, a mensuração automática desta medida pelo método computacional proposto a partir de imagens de ultrassom é promissora, pois apresenta maior precisão que as mensurações realizadas por pessoal treinado. Além disso, permite a análise de uma grande quantidade de imagens em curto espaço de tempo, o que garante retorno mais rápido da informação para o produtor de ovinos.

MEMBROS DA BANCA:
Presidente - 1550485 - JOSE LINDENBERG ROCHA SARMENTO
Interno - 2993761 - NATANAEL PEREIRA DA SILVA SANTOS
Externo ao Programa - 2732816 - DANIEL BIAGIOTTI
Externo ao Programa - 2025063 - ROMUERE RODRIGUES VELOSO E SILVA